KR20230050518A - Factory electricity rate optimization control system and control method thereof - Google Patents

Factory electricity rate optimization control system and control method thereof Download PDF

Info

Publication number
KR20230050518A
KR20230050518A KR1020210133209A KR20210133209A KR20230050518A KR 20230050518 A KR20230050518 A KR 20230050518A KR 1020210133209 A KR1020210133209 A KR 1020210133209A KR 20210133209 A KR20210133209 A KR 20210133209A KR 20230050518 A KR20230050518 A KR 20230050518A
Authority
KR
South Korea
Prior art keywords
factory
power
battery
mode
electric vehicle
Prior art date
Application number
KR1020210133209A
Other languages
Korean (ko)
Inventor
박민원
김창순
다어반권
남기동
Original Assignee
창원대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 창원대학교 산학협력단 filed Critical 창원대학교 산학협력단
Priority to KR1020210133209A priority Critical patent/KR20230050518A/en
Publication of KR20230050518A publication Critical patent/KR20230050518A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R21/00—Arrangements for measuring electric power or power factor
    • G01R21/007—Adapted for special tariff measuring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Water Supply & Treatment (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

The present invention presents a control system which utilizes AI technology to optimize a factory electricity rate by considering a factory load, electric vehicle battery charging information, and a system demand response (DR), and a control method thereof. According to the, the control system comprises: a collection unit which collects factory load data; a learning unit which performs learning to derive the optimal rate for the factory based on the collected load data and the battery information of the electric vehicle; and a control unit which controls battery power of the electric vehicle to be supplied as factory auxiliary power according to the learning results of the learning unit. Therefore, there is an advantage in minimizing the factory electricity rate.

Description

공장의 전력요금 최적화 제어시스템 및 그 제어방법{Factory electricity rate optimization control system and control method thereof}Factory electricity rate optimization control system and control method thereof {Factory electricity rate optimization control system and control method thereof}

본 발명은 AI 기술을 활용하여 공장 부하와 전기 자동차의 배터리 충전정보, 계통의 수요반응(DR) 등을 고려하여 공장의 전력요금을 최적화하는 제어시스템 및 그 제어방법에 관한 것이다. The present invention relates to a control system and a control method for optimizing a factory's power rate in consideration of the factory load, battery charging information of an electric vehicle, grid demand response (DR), etc. using AI technology.

공장 운영에 있어 효율적인 에너지 관리는 중요한 이슈이다. 에너지 관리를 통해 전력요금을 최소화할 수 있기 때문이다. 그러나 기존의 에너지 관리시스템은 주요 설비의 제한된 설정 조건에 따라 한정적인 방법으로만 제어할 수 밖에 없었다. Efficient energy management is an important issue in plant operation. This is because energy costs can be minimized through energy management. However, the existing energy management system could only be controlled in a limited way according to the limited setting conditions of major facilities.

또한 공장의 효율적인 에너지 관리를 위해서는 실시간으로 설비 상태를 감시하고, 감시결과에 따른 진단, 예측관리가 필요하다. 하지만 현재의 공장 에너지 제어 시스템은 실제 관리자가 실시간으로 수집되는 설비의 정보를 통하여 진단 및 예측을 통한 최적의 설비 운용이 어렵다. 다시 말해 현재 상용화된 에너지 관리 시스템은 도 1과 같이 기준정보와 사용량 실적 정보를 매핑하고, 그 매핑 결과에 따라 에너지의 월별 실적을 실시간으로 모니터링을 수행하고 있을 뿐이다. In addition, for efficient energy management of the factory, it is necessary to monitor the facility status in real time, diagnose according to the monitoring results, and predict management. However, in the current factory energy control system, it is difficult for an actual manager to perform optimal facility operation through diagnosis and prediction through facility information collected in real time. In other words, currently commercialized energy management systems only map reference information and usage performance information as shown in FIG. 1 and monitor monthly performance of energy in real time according to the mapping result.

이와 같은 이유로 현재의 공장 설비의 구성으로는 효율적인 공장의 에너지 관리와 전력요금을 최소화하는데 한계가 있는 것이다.For this reason, there is a limit to efficient factory energy management and minimization of electricity rates with the current configuration of factory facilities.

한국공개특허 10-2018-0104788(전기차 충전 시스템)Korean Patent Publication No. 10-2018-0104788 (electric vehicle charging system)

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 공장에 충전중인 전기자동차를 보조 에너지원으로 활용하고, AI기술을 활용하여 공장 부하와 전력 수요 반응(DR)에 대하여 전력 요금을 최소화하여 효율적인 에너지 관리가 가능토록 한 공장의 전력요금 최적화 제어시스템을 제공하는 것이다. The present invention has been made to solve the above problems, by using an electric vehicle being charged in a factory as an auxiliary energy source, and by using AI technology to minimize power rates for factory load and power demand response (DR). It is to provide a control system for optimizing power rates for a factory that enables efficient energy management.

이와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 공장의 전력요금 최적화 제어시스템은, 공장의 부하 데이터를 수집하는 수집 유닛; 상기 수집된 부하 데이터 및 전기자동차의 배터리 정보를 기초로 공장의 최적요금을 도출하기 위한 학습을 수행하는 학습 유닛; 및 상기 학습 유닛의 학습 결과에 따라 상기 전기자동차의 배터리 전원을 공장 전원으로 공급하도록 제어하는 제어 유닛을 포함하는 것을 특징으로 한다. To achieve the above object, a control system for optimizing electric power rates of a factory according to an embodiment of the present invention includes a collection unit for collecting load data of the factory; a learning unit that performs learning to derive an optimum rate for a factory based on the collected load data and battery information of an electric vehicle; and a control unit controlling supply of battery power of the electric vehicle to factory power according to a learning result of the learning unit.

상기 학습 유닛은 AI 알고리즘을 포함하며, 상기 부하 데이터는 공장의 전력 사용량에 따른 전기요금과 전력 수요 반응(DR) 정보를 포함하며, 상기 배터리 정보는 전기자동차의 배터리 충전요금 및 배터리의 충방전 특성을 포함한다.The learning unit includes an AI algorithm, the load data includes electricity rates according to power consumption of factories and power demand response (DR) information, and the battery information includes battery charging rates of electric vehicles and charge/discharge characteristics of batteries. includes

상기 제어 유닛은, 제1 모드 및 제2 모드로 운전을 제어하며, 상기 제1 모드는, 전기자동차의 배터리 전원을 공장의 보조 전원으로 사용하는 모드이고, 제2 모드는 전기자동차의 배터리를 충전하는 모드일 수 있다.The control unit controls operation in a first mode and a second mode, wherein the first mode is a mode in which the battery power of the electric vehicle is used as auxiliary power in the factory, and the second mode is to charge the battery of the electric vehicle. It may be a mode that

상기 제어 유닛은, 상기 부하 데이터 및 전기자동차의 배터리 정보에 따라 상기 제1 모드와 제2 모드를 모드 변환하여 제어한다. The control unit modulates and controls the first mode and the second mode according to the load data and battery information of the electric vehicle.

상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 공장의 보조 전원으로 공급할 수 있는 배터리 전원에 따라 공장의 일부 설비에만 배터리 전원을 공급한다. When controlled in the first mode, the control unit supplies battery power to only some facilities of the factory according to battery power that can be supplied as auxiliary power of the factory.

상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 배터리 충전량을 비교하고, 비교결과 충전량이 많은 배터리 전원을 순서대로 공급할 수 있다.The control unit, when controlled in the first mode, compares the amount of charge in the batteries of the electric vehicles, and as a result of the comparison, supplies battery power with a large amount of charge in order.

상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 충전시간을 비교하고, 비교 결과 충전시간이 오래된 전기자동차의 배터리 전원을 순서대로 공급할 수 있다.When controlling in the first mode, the control unit may compare charging times of the electric vehicles, and sequentially supply power to batteries of electric vehicles having longer charging times as a result of the comparison.

상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 운행 예정 여부를 판단하고, 판단 결과 운행 예정이 늦은 시간의 전기자동차의 배터리 전원을 공급할 수 있다. When controlled in the first mode, the control unit may determine whether or not the electric vehicles are scheduled to run and, as a result of the determination, supply battery power to the electric vehicles at a time when the driving schedule is late.

본 발명의 다른 실시 예에 따른 공장의 전력요금 최적화 제어방법은, 공장의 전력요금 최적화 제어시스템이, 공장의 부하 데이터를 수집하는 수집 단계; 상기 수집된 공장 부하 데이터에 따른 공장의 전력 사용량에 따른 전기요금 및 전력 수요 반응(DR) 정보, 그리고 전기자동차의 배터리 충전요금 및 배터리의 충방전 특성 정보를 고려하여 공장의 최적요금을 도출하기 위한 학습을 수행하는 학습 수행단계; 및 상기 학습에 따라 상기 전기자동차의 배터리 전원을 공장 전원으로 공급하도록 제어하는 제어 단계를 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, a control method for optimizing power rates of a factory includes a collection step of collecting, by a control system for optimizing power rates of a factory, load data of the factory; In order to derive the optimal rate for the factory considering the electricity rate and demand response (DR) information according to the power usage of the factory according to the collected factory load data, and the battery charging rate of the electric vehicle and the charging and discharging characteristic information of the battery A learning performance step of performing learning; and a control step of controlling to supply battery power of the electric vehicle as factory power according to the learning.

상기 학습 수행단계는, AI 알고리즘을 이용한 기계학습으로 수행된다.The learning performance step is performed by machine learning using an AI algorithm.

상기 제어 단계는, 전기자동차의 배터리 전원을 공장의 보조 전원으로 사용하는 제1 모드와 전기자동차의 배터리를 충전하는 제2 모드 중 하나 모드로 제어한다.In the control step, the control is performed in one mode of a first mode in which battery power of the electric vehicle is used as an auxiliary power source of the factory and a second mode in which the battery of the electric vehicle is charged.

상기 제어 단계에서 상기 제1 모드는, 충전량이 많은 전기자동차, 충전시간이 긴 전기자동차 또는 운행 예정시간이 상대적으로 늦은 전기자동차에 장착된 배터리의 충전 전원을 공급할 수 있다.In the control step, the first mode may supply charging power for a battery installed in an electric vehicle having a large amount of charge, an electric vehicle having a long charging time, or an electric vehicle having a relatively late driving time.

이와 같은 본 발명에 따르면, AI 알고리즘을 활용하여 공장의 부하 데이터를 수집 분석하기 때문에, 기존의 에너지 관리시스템의 한계를 극복할 수 있는 효과가 있다.According to the present invention, since the load data of the factory is collected and analyzed using an AI algorithm, there is an effect of overcoming the limitations of the existing energy management system.

본 발명에 따르면, 공장의 에너지 최적화 학습에 따라 공장에서 충전중인 전기자동차의 배터리 전원을 공장의 보조 전원으로 공급할 수 있어, 공장의 전력요금을 절감할 수 있는 효과가 있다. According to the present invention, battery power of an electric vehicle being charged at the factory can be supplied as auxiliary power to the factory according to energy optimization learning of the factory, thereby reducing the factory's power rate.

도 1은 기존의 상용화된 에너지 관리 시스템의 기능을 설명하는 도면이다.
도 2는 본 발명의 바람직한 실시 예에 따른 공장의 전력요금 최적화 제어시스템의 전체 구성도이다.
도 3은 본 발명의 제어시스템의 기능을 설명하는 도면이다.
도 4는 본 발명의 바람직한 실시 예에 따른 공장의 전력요금 최적화 제어방법을 설명하는 흐름도이다.1 is a diagram illustrating the functions of an existing commercialized energy management system.
2 is an overall configuration diagram of a power rate optimization control system of a factory according to a preferred embodiment of the present invention.
Figure 3 is a diagram explaining the function of the control system of the present invention.
4 is a flowchart illustrating a control method for optimizing electric power rates in a factory according to a preferred embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Since the present invention can apply various transformations and have various embodiments, specific embodiments will be illustrated in the drawings and described in detail. However, it should be understood that this is not intended to limit the specific embodiments of the present invention, and includes all conversions, equivalents, and substitutes included in the spirit and scope of the present invention. In describing the present invention, if it is determined that a detailed description of related known technologies may obscure the gist of the present invention, the detailed description will be omitted.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms such as first and second may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another.

본 발명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms used in the present invention are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, the terms "include" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that the presence or addition of numbers, steps, operations, components, parts, or combinations thereof is not precluded.

공간적으로 상대적인 용어인 아래(below, beneath, lower), 위(above, upper) 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관 관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 아래(below, beneath)로 기술된 소자는 다른 소자의 위(above, upper)에 놓여질 수 있다. 따라서, 예시적인 용어인 아래는 아래와 위의 방향을 모두 포함할 수 있다. 소자는 다른 방향으로도 배향될 수 있고, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.Spatially relative terms, such as below, beneath, lower, above, upper, etc., facilitate the correlation between one element or component and another element or component, as shown in the drawing. can be used to describe Spatially relative terms should be understood as encompassing different orientations of elements in use or operation in addition to the orientations shown in the figures. For example, when an element shown in the drawing is turned over, an element described as below or beneath another element may be placed above or above the other element. Accordingly, the exemplary term below may include both directions of down and above. Elements may also be oriented in other orientations, and thus spatially relative terms may be interpreted according to orientation.

본 발명에서 사용되는 “부” 또는 “부분” 등의 일부분을 나타내는 표현은 해당 구성요소가 특정 기능을 포함할 수 있는 장치, 특정 기능을 포함할 수 있는 소프트웨어, 또는 특정 기능을 포함할 수 있는 장치 및 소프트웨어의 결합을 나타낼 수 있음을 의미하나, 꼭 표현된 기능에 한정된다고 할 수는 없으며, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As used in the present invention, an expression indicating a part such as “part” or “part” refers to a device in which a corresponding component may include a specific function, software which may include a specific function, or a device which may include a specific function. and software, but cannot necessarily be limited to the expressed functions, which are provided only to help a more general understanding of the present invention, and those with ordinary knowledge in the field to which the present invention belongs If so, various modifications and variations are possible from these descriptions.

또한, 본 발명에서 사용되는 모든 전기 신호들은 일 예시로서, 본 발명의 회로에 반전기 등을 추가적으로 구비하는 경우 이하 설명될 모든 전기 신호들의 부호가 반대로 바뀔 수 있음을 유의해야 한다. 따라서, 본 발명의 권리범위는 신호의 방향에 한정되지 않는다.In addition, it should be noted that all electrical signals used in the present invention, as an example, can be reversed in signs of all electrical signals to be described below when an inverter or the like is additionally provided in the circuit of the present invention. Therefore, the scope of the present invention is not limited to the direction of the signal.

따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be limited to the described embodiments, and it will be said that not only the claims to be described later, but also all modifications equivalent or equivalent to these claims fall within the scope of the spirit of the present invention. .

본 발명은 AI 기술을 활용하여 데이터 수집 및 분석을 통하여 기본적인 전력조류정보(전압, 전류, 주파수, 전력)뿐만 아니라 역률과 전력 수요 반응(DR)을 고려하여 공장의 전력요금을 최소화하도록 공장 설비 및 배터리 관리시스템을 제어하는 시스템을 제안한다. 특히 공장에 충전중인 전기자동차를 보조 에너지원으로 활용하고, AI기술을 활용하여 공장 부하와 전력 수요 반응(DR)에 대하여 전력 요금 최소화를 위한 시스템일 수 있다. The present invention utilizes AI technology to collect and analyze data, consider basic power flow information (voltage, current, frequency, power) as well as power factor and power demand response (DR) to minimize factory facility and power rates. A system for controlling the battery management system is proposed. In particular, it can be a system for minimizing electricity charges for factory load and power demand response (DR) by utilizing electric vehicles being charged in factories as auxiliary energy sources and utilizing AI technology.

이하에서는 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다.Hereinafter, the present invention will be described in more detail based on the embodiments shown in the drawings.

도 2는 본 발명의 바람직한 실시 예에 따른 공장의 전력요금 최적화 제어시스템의 전체 구성도이다. 2 is an overall configuration diagram of a power rate optimization control system of a factory according to a preferred embodiment of the present invention.

도 2에서 보듯이 제어시스템(10)은 수집 유닛(100), 학습 유닛(200), 제어 유닛(300) 및 전기자동차용 배터리(400)를 포함한다. As shown in FIG. 2 , the control system 10 includes a collection unit 100 , a learning unit 200 , a control unit 300 and a battery 400 for an electric vehicle.

수집 유닛(100)은 공장 부하 데이터를 수집하는 유닛이다. 공장 부하 데이터는 설비의 에너지 사용 최적화와 전력요금의 최소화를 위한 기반 데이터로 사용된다. 구체적으로 공장의 전기요금(기본요금+전력량)과 전기자동차의 배터리 충전비용, 전력 수요 반응 등이 고려된다. 수집 유닛은 각종 센서들을 포함할 수 있다. The collection unit 100 is a unit that collects factory load data. Factory load data is used as basic data for optimizing facility energy use and minimizing electricity rates. Specifically, the factory's electricity rate (basic rate + amount of electricity), the cost of charging the battery of an electric vehicle, and the response to electricity demand are considered. The collection unit may include various sensors.

학습 유닛(200)은 AI 알고리즘(210)을 이용하여 기계 학습하는 유닛이다. 여기서 학습 유닛(200)은 수집 유닛(100)을 통해 수집된 공장 내 부하에 따른 전력 조류 데이터, 즉 전압, 전류, 주파수, 전력 정보들을 해석 프로그램을 통하여 확보하고 또 실시간 시뮬레이션 된 결과를 수집하고 학습하게 된다. 그리고 학습 유닛(200)이 공장 내 전력 소비량 최소화를 위하여 추가로 필요한 전력량을 학습하거나 또는 현재의 공장 운영을 유지하도록 한다. The learning unit 200 is a unit that performs machine learning using the AI algorithm 210 . Here, the learning unit 200 secures the power flow data according to the load in the factory collected through the collection unit 100, that is, voltage, current, frequency, and power information through an analysis program, and also collects and learns simulated results in real time. will do In addition, the learning unit 200 learns an additional amount of power required to minimize power consumption in the factory or maintains the current factory operation.

제어 유닛(300)은 학습 유닛(200)으로부터 전기자동차 배터리(400)의 최적 운영 명령을 전달받고 각 전기자동차의 배터리(400)를 충전한다. 또 제어 유닛(300)은 배터리(400) 전원이 공장 전원으로 사용될 전력량이 확인되면 공장의 보조전원으로 공급하는 역할도 수행한다. 이러한 제어 유닛(300)은 본 발명의 제어시스템(10)의 전체적인 동작을 제어하는 컨트롤러의 역할을 하며, 전기자동차의 배터리 충전현황과 충/방전 특성을 고려한 배터리 충전상태를 기반으로 운전한다. 실시 예에서 제어 유닛(300)은 AC-DC 컨버터의 통합 제어유닛일 수 있다. The control unit 300 receives an optimal operating command of the electric vehicle battery 400 from the learning unit 200 and charges the battery 400 of each electric vehicle. In addition, the control unit 300 also serves to supply auxiliary power to the factory when the amount of power to be used as power from the battery 400 is confirmed. The control unit 300 serves as a controller that controls the overall operation of the control system 10 of the present invention, and operates based on the state of charge of the battery considering the state of charge and charge/discharge characteristics of the battery of the electric vehicle. In an embodiment, the control unit 300 may be an integrated control unit of an AC-DC converter.

본 발명과 같이 AI 알고리즘을 적용하게 되면, 종래 기술 대비 도 3과 같은 작용효과를 기대할 수 있다. 구체적으로 살펴보면, 예측 관리, 실적 분석/리포팅, 설비 효율, 저감목표관리 정보들을 이용하여 전력피크 대응의 리스크(risk) 관리를 시각화 가능한 시스템으로 구현할 수 있고, 생산 투입과 에너지 투입 계획의 최적화 방안의 수립이 가능하며, 직관적 시각화에 의한 신속한 의사결정이 가능하다. When the AI algorithm is applied as in the present invention, the same effect as in FIG. 3 can be expected compared to the prior art. Specifically, by using forecast management, performance analysis/reporting, facility efficiency, and reduction target management information, risk management in response to power peaks can be implemented as a system that can be visualized, and it is possible to optimize the production input and energy input plan. It is possible to establish, and quick decision-making by intuitive visualization is possible.

도 4는 본 발명에 따른 공장의 전력요금 최적화 제어시스템 운영 방안을 설명하는 흐름도이다. 4 is a flowchart illustrating a method of operating a power rate optimization control system of a factory according to the present invention.

공장이 정상적으로 가동되면(S100), 공장의 각 설비 등에 장착된 수집 유닛(100)은 공장 부하 데이터를 수집한다(S110). 부하 데이터는 각 설비의 구동 시 필요한 각종 정보들을 의미하며, 공장 부하에 따른 최소 전력 요금을 도출하기 위한 기반 데이터일 수 있다. 예를 들면 전력계통에 설치된 계기용 변압기(PT) 및 계기용 변류기(CT)가 측정한 전력 값들을 포함할 수 있다.When the factory is normally operated (S100), the collection unit 100 mounted on each facility of the factory collects factory load data (S110). The load data means various types of information necessary for driving each facility, and may be basic data for deriving a minimum power rate according to a factory load. For example, it may include power values measured by instrument transformers (PT) and instrument current transformers (CT) installed in the power system.

수집 유닛(100)은 수집된 공장 부하 데이터를 학습 유닛(200)으로 전달한다. 그러면 학습 유닛(200)의 AI 알고리즘(210)은 공장내 전력 소비량을 최소화할 수 있는 조건을 도출하기 위하여 학습과정을 수행한다. 구체적으로 상기 AI 알고리즘(210)은 공장의 전기요금(기본요금+전력량)과 전기자동차의 배터리 충전 요금, 충방전 특성, 전력 수요 반응 등을 고려하여 전기요금 최소화 조건을 도출하게 된다(S120).The collection unit 100 transfers the collected factory load data to the learning unit 200 . Then, the AI algorithm 210 of the learning unit 200 performs a learning process to derive conditions capable of minimizing power consumption in the factory. Specifically, the AI algorithm 210 derives conditions for minimizing electricity rates by considering the factory's electricity rate (basic rate + amount of electricity), the battery charging rate of an electric vehicle, charging/discharging characteristics, power demand response, etc. (S120).

여기서 학습 유닛(200)은 AI 기법을 사용하며, 예를 들면 ANN(Artificial neural network), FL(Fuzzy logic), SVM(Support vector machine) 모델 등을 사용할 수 있다. 이러한 학습 유닛(200)은 입력량이 많은 복잡한 모델, 비선형 모델, 높은 정확도가 요구되는 상황에서 적절하게 부하 예측과 같은 결과값을 쉽게 도출할 수 있을 것이다. Here, the learning unit 200 uses an AI technique, and for example, an artificial neural network (ANN), a fuzzy logic (FL), a support vector machine (SVM) model, and the like may be used. The learning unit 200 can easily derive result values such as load prediction appropriately in a complex model with a large amount of input, a nonlinear model, and a situation requiring high accuracy.

학습 유닛(200)의 학습 결과는 지속적으로 제어 유닛(300)이 전달받게 된다(S130). 이때 제어 유닛(300)은 학습결과와 함께 전기자동차의 배터리 상태정보도 전달받는다. 그러면 제어 유닛(300)은 상기 학습 유닛(200)의 학습결과 및 배터리 상태정보를 기초로 하여 배터리 충전 또는 배터리 충전전원의 사용 여부 중 하나의 운전모드로 제어시스템(10)의 운전을 제어하게 된다(S140). 즉 제어 유닛(300)은 학습 유닛(200)이 전달하는 배터리의 최적 운영을 위한 지령을 전달받고 공장의 전력 요금을 최소화하기 위한 일련의 과정을 수행하는 것이다.The learning result of the learning unit 200 is continuously transmitted to the control unit 300 (S130). At this time, the control unit 300 receives battery state information of the electric vehicle along with the learning result. Then, the control unit 300 controls the operation of the control system 10 based on the learning result of the learning unit 200 and the battery state information in one of the operation modes of whether battery charging or battery charging power is used. (S140). That is, the control unit 300 receives a command for optimal operation of the battery delivered by the learning unit 200 and performs a series of processes to minimize the power cost of the factory.

구체적으로 살펴보면, 본 발명의 제어 유닛(300)은 제1 모드 또는 제2 모드로 제어 시스템(10)을 운전할 수 있다. 제1 모드는 전기자동차의 배터리 전원을 공장의 보조 전원으로 사용하는 모드이고, 제2 모드는 전기자동차의 배터리를 충전하는 모드이다. 따라서 제어 유닛(300)은 학습 결과 및 배터리 상태 정보를 기초로 하여 전기자동차의 배터리 충전량이 공장 전원의 보조 에너지원으로 충분히 사용할 수 있다고 판단되면(제1 모드), 배터리에 충전된 전원 일부를 공장의 보조 전원으로 공급하도록 제어한다. 물론 이 경우 제어 유닛(300)은 전기자동차의 운행 여부나 배터리 잔량 정보를 미리 판단할 필요는 있다. 예를 들어 공장의 보조전원으로 배터리 전원을 공급하는 전기자동차가 배터리가 완충이 안된 상태로 운행하면 안되기 때문이다. 반면 공장에서 충전중인 전기자동차의 배터리가 계속 충전이 필요하다고 판단되면(제2 모드), 제어 유닛(300)은 전기자동차의 배터리를 완충하거나 정해진 시간동안 충전이 되도록 제어한다. Specifically, the control unit 300 of the present invention may operate the control system 10 in the first mode or the second mode. The first mode is a mode in which battery power of the electric vehicle is used as auxiliary power in a factory, and the second mode is a mode in which the battery of the electric vehicle is charged. Therefore, when the control unit 300 determines that the battery charge of the electric vehicle can be sufficiently used as an auxiliary energy source of factory power based on the learning result and the battery state information (first mode), some of the power charged in the battery is supplied to the factory It is controlled to be supplied as auxiliary power of Of course, in this case, the control unit 300 needs to determine in advance whether or not the electric vehicle is running or remaining battery information. This is because, for example, an electric vehicle that supplies battery power as an auxiliary power source in a factory should not run while the battery is not fully charged. On the other hand, if it is determined that the battery of the electric vehicle being charged in the factory requires continuous charging (second mode), the control unit 300 controls the battery of the electric vehicle to be fully charged or charged for a predetermined time.

한편 본 발명에서 제어 유닛(300)이 제1 모드로 제어 시스템(10)을 제어 운전할 경우 공장의 보조 전원으로 공급하게 될 전기자동차의 배터리는 전기자동차의 충전이나 운행에 방해가 되지 않도록 하면서 공급되어야 할 것이다. 예를 들면, 전기자동차들의 배터리 충전량을 비교하고, 비교결과 충전량이 많은 배터리 전원을 순서대로 공급하도록 한다. 또는 충전시간이 오래된 전기자동차의 배터리 전원을 우선하여 공급하도록 할 수 있다. 또는 전기자동차들의 운행 예정 여부를 판단하고, 운행 예정시간이 늦은 전기자동차의 배터리 전원을 공급할 수 있다. 물론 이러한 조건들을 둘 이상 적용하여, 최적의 조건에서 배터리 전원이 공급되게 제어할 수도 있을 것이다. Meanwhile, in the present invention, when the control unit 300 controls and operates the control system 10 in the first mode, the battery of the electric vehicle to be supplied as an auxiliary power source of the factory should be supplied while not interfering with the charging or operation of the electric vehicle. something to do. For example, the battery charge amounts of electric vehicles are compared, and as a result of the comparison, battery power having a high charge is supplied in order. Alternatively, the battery power of an electric vehicle having a long charging time may be supplied with priority. Alternatively, it is possible to determine whether the electric vehicles are scheduled to run, and to supply battery power to the electric vehicles whose scheduled driving times are late. Of course, by applying two or more of these conditions, the battery power may be controlled to be supplied under optimal conditions.

이처럼 본 발명은 학습 유닛(200)이 공장의 전력 사용량에 따른 전력요금, 전기자동차의 배터리 충전요금과 배터리 충방전 특성, 전력 수요 반응 정보들을 고려하여 공장의 전력요금을 최적화하는 학습결과를 도출하고 이를 제어 유닛(300)이 전기자동차의 배터리 전원을 선택적으로 사용할 수 있도록 한다. 결과적으로 공장 가동에 필요한 전원 일부가 전기자동차의 배터리 전원으로 대체되어 활용되기 때문에, 공장의 전력 요금을 그만큼 절감할 수 있게 된다. As such, in the present invention, the learning unit 200 derives a learning result for optimizing the factory's electricity rate in consideration of the power rate according to the power consumption of the factory, the battery charging rate and battery charge/discharge characteristics of the electric vehicle, and the power demand response information, This allows the control unit 300 to selectively use the battery power of the electric vehicle. As a result, since some of the power required to operate the factory is replaced with battery power of the electric vehicle, the power cost of the factory can be reduced that much.

이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.Although the above has been described with reference to the illustrated embodiments of the present invention, these are only examples, and those skilled in the art to which the present invention belongs can variously It will be apparent that other embodiments that are variations, modifications and equivalents are possible. Therefore, the true technical protection scope of the present invention should be determined by the technical spirit of the appended claims.

10: 공장의 전력요금 최적화 제어시스템
100: 수집 유닛
200: 학습 유닛
210: AI 알고리즘
300: 제어 유닛
400: 전기자동차용 배터리10: Factory power rate optimization control system
100: collection unit
200: learning unit
210: AI algorithm
300: control unit
400: battery for electric vehicle

Claims (12)

공장의 부하 데이터를 수집하는 수집 유닛;
상기 수집된 부하 데이터 및 전기자동차의 배터리 정보를 기초로 공장의 최적요금을 도출하기 위한 학습을 수행하는 학습 유닛; 및
상기 학습 유닛의 학습 결과에 따라 상기 전기자동차의 배터리 전원을 공장 전원으로 공급하도록 제어하는 제어 유닛을 포함하는 것을 특징으로 하는 공장의 전력요금 최적화 제어시스템.a collection unit that collects factory load data;
a learning unit that performs learning to derive an optimum rate for a factory based on the collected load data and battery information of an electric vehicle; and
and a control unit for controlling battery power of the electric vehicle to be supplied to factory power according to a learning result of the learning unit. 제 1 항에 있어서,
상기 학습 유닛은 AI 알고리즘을 포함하며,
상기 부하 데이터는 공장의 전력 사용량에 따른 전기요금과 전력 수요 반응(DR) 정보를 포함하며, 상기 배터리 정보는 전기자동차의 배터리 충전요금 및 배터리의 충방전 특성을 포함하는 공장의 전력요금 최적화 제어시스템.According to claim 1,
the learning unit includes an AI algorithm;
The load data includes electricity rates according to power consumption of the factory and power demand response (DR) information, and the battery information includes a battery charging rate of an electric vehicle and a charge/discharge characteristic of the battery. . 제 1 항에 있어서,
상기 제어 유닛은, 제1 모드 및 제2 모드로 운전을 제어하며,
상기 제1 모드는, 전기자동차의 배터리 전원을 공장의 보조 전원으로 사용하는 모드이고,
상기 제2 모드는 전기자동차의 배터리를 충전하는 모드인 공장의 전력요금 최적화 제어시스템.According to claim 1,
The control unit controls operation in a first mode and a second mode,
The first mode is a mode in which battery power of an electric vehicle is used as an auxiliary power source of a factory,
The second mode is a mode for charging a battery of an electric vehicle, a power rate optimization control system of a factory. 제 3 항에 있어서,
상기 제어 유닛은, 상기 부하 데이터 및 전기자동차의 배터리 정보에 따라 상기 제1 모드와 상기 제2 모드를 모드 변환하여 제어하는 공장의 전력요금 최적화 제어시스템.According to claim 3,
The control unit controls the mode conversion of the first mode and the second mode according to the load data and the battery information of the electric vehicle. 제 3 항에 있어서,
상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 공장의 보조 전원으로 공급할 수 있는 배터리 전원에 따라 공장의 일부 설비에만 배터리 전원을 공급하는 공장의 전력요금 최적화 제어시스템.According to claim 3,
The control unit supplies battery power to only some facilities of the factory according to battery power that can be supplied as auxiliary power of the factory when controlled in the first mode. 제 3 항에 있어서,
상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 배터리 충전량을 비교하고, 비교결과 충전량이 많은 배터리 전원을 순서대로 공급하는 공장의 전력요금 최적화 제어시스템.According to claim 3,
The control unit, when controlled in the first mode, compares the amount of charge of the batteries of the electric vehicles, and sequentially supplies battery power with a high amount of charge as a result of the comparison. 제 3 항에 있어서,
상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 충전시간을 비교하고, 비교 결과 충전시간이 오래된 전기자동차의 배터리 전원을 순서대로 공급하는 공장의 전력요금 최적화 제어시스템.According to claim 3,
The control unit, when controlled in the first mode, compares the charging times of the electric vehicles and, as a result of the comparison, supplies battery power to the electric vehicles having a long charging time in order. 제 3 항에 있어서,
상기 제어 유닛은, 상기 제1 모드로 제어할 경우, 전기자동차들의 운행 예정 여부를 판단하고, 판단 결과 운행 예정이 늦은 시간의 전기자동차의 배터리 전원을 공급하는 공장의 전력요금 최적화 제어시스템. According to claim 3,
The control unit, when controlled in the first mode, determines whether the electric vehicles are scheduled to run, and as a result of the determination, supplies battery power to the electric vehicles at a time when the driving schedule is late. 공장의 전력요금 최적화 제어시스템이,
공장의 부하 데이터를 수집하는 수집 단계;
상기 수집된 공장 부하 데이터에 따른 공장의 전력 사용량에 따른 전기요금 및 전력 수요 반응(DR) 정보, 그리고 전기자동차의 배터리 충전요금 및 배터리의 충방전 특성 정보를 고려하여 공장의 최적요금을 도출하기 위한 학습을 수행하는 학습 수행단계; 및
상기 학습에 따라 상기 전기자동차의 배터리 전원을 공장 전원으로 공급하도록 제어하는 제어 단계를 포함하는 것을 특징으로 하는 공장의 전력요금 최적화 제어방법.The plant's power rate optimization control system,
a collection step of collecting plant load data;
In order to derive the optimal rate for the factory considering the electricity rate and demand response (DR) information according to the power usage of the factory according to the collected factory load data, and the battery charging rate of the electric vehicle and the charging and discharging characteristic information of the battery A learning performance step of performing learning; and
and controlling to supply battery power of the electric vehicle to factory power according to the learning. 제 9 항에 있어서,
상기 학습 수행단계는, AI 알고리즘을 이용한 기계학습으로 수행하는 공장의 전력요금 최적화 제어방법.According to claim 9,
The learning step is performed by machine learning using an AI algorithm. 제 9 항에 있어서,
상기 제어 단계는, 전기자동차의 배터리 전원을 공장의 보조 전원으로 사용하는 제1 모드와 전기자동차의 배터리를 충전하는 제2 모드 중 하나 모드로 제어하는 공장의 전력요금 최적화 제어방법.According to claim 9,
The control step is a control method for optimizing the power rate of a factory for controlling one mode of a first mode for using the battery power of the electric vehicle as an auxiliary power source for the factory and a second mode for charging the battery of the electric vehicle. 제 9 항에 있어서,
상기 제어 단계에서 상기 제1 모드는, 충전량이 많은 전기자동차, 충전시간이 긴 전기자동차 또는 운행 예정시간이 상대적으로 늦은 전기자동차에 장착된 배터리의 충전 전원을 공급하는 공장의 전력요금 최적화 제어방법.According to claim 9,
In the control step, the first mode is a factory power rate optimization control method for supplying charging power for a battery installed in an electric vehicle with a large amount of charge, an electric vehicle with a long charging time, or an electric vehicle with a relatively late driving time.
KR1020210133209A 2021-10-07 2021-10-07 Factory electricity rate optimization control system and control method thereof KR20230050518A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210133209A KR20230050518A (en) 2021-10-07 2021-10-07 Factory electricity rate optimization control system and control method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210133209A KR20230050518A (en) 2021-10-07 2021-10-07 Factory electricity rate optimization control system and control method thereof

Publications (1)

Publication Number Publication Date
KR20230050518A true KR20230050518A (en) 2023-04-17

Family

ID=86128065

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210133209A KR20230050518A (en) 2021-10-07 2021-10-07 Factory electricity rate optimization control system and control method thereof

Country Status (1)

Country Link
KR (1) KR20230050518A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180104788A (en) 2017-03-13 2018-09-27 (주)유씨티 Charging system for electric motors

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180104788A (en) 2017-03-13 2018-09-27 (주)유씨티 Charging system for electric motors

Similar Documents

Publication Publication Date Title
CN106427990B (en) Hybrid power system and its energy management method
US20200349484A1 (en) System and methods for power system forecasting using deep neural networks
KR20190007328A (en) Method and system for management charge and discharge of electric energy by prediction photovoltaic power generation and load
JPWO2015004893A1 (en) Power management apparatus, power management system, server, power management method, program
US11710964B2 (en) Managing off-grid energy generation and storage
KR102190845B1 (en) Driving control method of fuel cell generation system using power load estimation of building based on artificial intelligence
CN104269901A (en) Direct-current fast charging station managing system and method for electric automobile from power grid
KR20200119367A (en) Demand power prediction device for energy storage system and method for predicting demand power using the same
CN107627864B (en) A kind of power distribution method and control system of extended-range vehicle
CN117175655A (en) Energy storage control method and system for distributed new energy power system
CN116646965A (en) Photovoltaic energy storage charging and discharging integrated management system
CN112950001B (en) Intelligent energy management and control system and method based on cloud edge closed-loop architecture
KR20170119863A (en) Method for calculating energy storage system capacity and power management system using the same
KR20230050518A (en) Factory electricity rate optimization control system and control method thereof
US20220376522A1 (en) Region energy management device and region energy management method
US20240042887A1 (en) Vehicle charging system
KR20210113008A (en) Battery charge and discharge test system with energy recycling
CN117277582A (en) Electric power enterprise operation monitoring analysis system based on big data
JP2017028969A (en) Power management device
Gorelik et al. Modeling and simulation of optimal and adaptive real-time energy management system for automated driving
Bornschlegl et al. A new approach to increasing energy efficiency by utilizing cyber-physical energy systems
KR101775269B1 (en) Management and exchange system for distributed generations and power amount allocation method thereof
CN217282236U (en) Device with at least one rechargeable battery
CN103682484A (en) Method using vehicle controller for battery management of electric vehicle
CN114665462A (en) Power management system, server and power supply and demand regulation method

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application